随着社交媒体的日益流行,人们已经改变自己获取信息的方式。网络已成为人们与外界沟通的桥梁。但是,网上的许多信息真实性都是可疑的,有的新闻甚至有意误导他人。一方面,这些虚假谣言的传播会大大降低媒体的公信力,充斥虚假言论的社交平台也会逐渐丧失受众的信任;另一方面虚假谣言的传播也可能会对人们的政治和经济生活造成非常严重的破坏。因此虚假谣言的检测,对个人和社会而言都有非常重大的意义。传统上,这种真实性的核查是由专家和新闻工作者通过将发布的信息与既定事实进行比较并与可信赖的替代来源进行交叉核对来进行的。但在各种社交媒体平台上,谣言的传播速度很快,类别又非常多样,这导致社交媒体上的谣言检测工作难以取得有效的成果。因此,本文从微博的谣言数据中提取出了文本特征、情感特征、用户特征、传播特征和其它辅助特征,并提出了基于图卷积神经网络的谣言检测模型。本文的主要研究成果如下。1、对谣言和非谣言数据分别进行了可视化分析。本文构建了一个从单词、微博发文或微博评论到谣言的层级注意力模型。层级注意力模型具备一定可解释性,能提取并展示谣言在情感表达等方面的典型特征。本文对可视化结果进行分析,发现假谣言和非谣言数据在情感、立场和语义上有着明显的区别。这对于特征工程和设计更符合谣言检测任务的神经网络模型有着重要的指导意义。2、特征工程。本文通过结合多个情感词典,获得了微博发文和微博评论的情感类别、情感极性和情感分数特征。其它提取的基于文本内容的特征包括表情包,标点符号,人称代词等统计特征。基于用户的特征包括用户的性别,粉丝数等。通过实验验证,这些手动提取的统计特征在一定程度上提升了模型的表现。3、构建了谣言检测模型对谣言数据进行预测。图卷积模型能从谣言数据中提取到谣言传播特征,得到更好的谣言数据表示。为了获得更丰富的数据表示,本文不仅构建了基于文本的图卷积模型还构建了基于情感特征的图卷积模型,来分别提取谣言文本本身的传播特征和谣言情感的传播特征。通过实验验证,对谣言情感传播特征的提取在一定程度上提高了模型的表现。